我正在尝试创建一个基于文本挖掘的知识库。我使用Genia语料库根据单词的词性对单词进行标记。给定文本中的两个术语,我如何创建一个模型来找出它们之间的关系?
例如文本:
HIF1A基因参与了缺氧的调节。缺氧还上调BRCA1基因的表达,这主要与乳腺癌有关。
我把POS标出来了。
Word Base Form Part-Of-Speech
HIF1A HIF1A NN
gene gene NN
is be VBZ
involved involve VBN
in in IN
Hypoxic Hypoxic JJ
regulation regulation NN
. . .
Hypoxia Hypoxia NN
also also RB
regulates regulate VBZ
BRCA1 BRCA1 NN
gene gene NN
which which WDT
is be VBZ
mainly mainly RB
associated associate VBN
in in IN
breast breast NN
cancer cancer NN
我正在编写一个web界面,当查询BRCA1和缺氧时,应该会告诉您它们之间存在正向调节。当查询HIF1A和缺氧时,应该根据这些句子告诉我们有一个积极的调节。
现在我已经标记了POS,我不知道如何继续创建一个模型来识别它们之间的关系。这只是一个例子。我想为一般的生物医学术语和文本做这件事。
谁有什么建议?
发布于 2014-06-11 04:23:48
仅依靠POS标记器的输出,您必须定义本地语法规则(模式)。
就我个人而言,我建议您使用(语法)解析器来获得像regulate(Hypoxia,BRCA1)
这样的参数结构……
https://stackoverflow.com/questions/24148089
复制相似问题